Resume : Motions of multiple objects detection based on video frames

Oleh:

Kit Ming Chan and Chi Kwong Li

Department of Electronic and Information Engineering,

The Hong Kong Polytechnic University, Hong Kong

patrick.km.chan@cwhkt.com

enckli@ieee.org

 

Post ini adalah rangkuman dari publikasi yang saya baca. Konten dari publikasi tetap merupakan milik dari penulisnya

Publikasi ini menerangkan pendeteksian banyak objek menggunakan kamera. Objek yang diteliti adalah kendaraan yang bergerak di jalan raya. Hasil yang diharapkan dari penelitian ini adalah mendeteksi banyak objek bergerak dan mengetahui kecepatannya masing-masing.

 

Penulis menjelaskan karena yang diteliti adalah analisis pergerakan benda maka metode Optical Flow menjadi berperan penting. Kemudian untuk mendeteksi area yang cukup besar maka objek yang ditangkap dari kamera dianggap sebagai 3D. Untuk itu diperlukan kalibrasi antara gambar yang ditangkap dengan citra 3D pada jalan.

Pada penelitian ini disebutkan terdapat error yang disebabkan permasalahan pembulatan angka. Pada format dari video untuk pendeteksian, warna harus menggunakan format YUV. Dikarenakan gambar yang diambil menggunakan format RGB maka gambar tersebut harus di konversi terlebih dahulu. Rumus dari konversi tersebut adalah Y = 0.299R + 0.587G + 0.114B, U=0.564(B-Y) dan V=0.713(B-Y). Dikarenakan hasil yang didapat dibulatkan menjadi bilangan integer maka pembulatan bisa menjadi bermasalah karena tidak sesuai dengan angka yang diinginkan.

Penelitian ini disebutkan menggunakan video yang sudah ditangkap sebelumnya untuk dijadikan bahan penelitian, namun penulis memberikan rancangan perangkat keras bagi analisis pergerakan objek secara on-line.

Untuk platform yang digunakan pada penelitian ini adalah Microsoft Window dan compilernya menggunakan gcc. Penulis menjelaskan penggunaan platform dan compiler ini karena efisiensi kode.

Langkah untuk mendeteksi gerakan yang pertama dilakukan adalah memisahkan antara lantai dan objek yang bergerak. Kemudian penghitungan jarak tempuh objek-objek dilakukan.

Penulis menyimpulkan pendeteksian dengan kamera untuk kendaraan bergerak di jalan raya sangat menguntungkan. Aplikasi serupa dengan menggunakan microwave, laser, dan inframerah sangat rawan terhadap kerusakan dan peralatan yang macet. Penggunaan proses gambar bisa menjadi solusi terhadap masalah-masalah tersebut.

Resume: Tracking Arah Gerakan Telunjuk Jari Berbasis Webcam Menggunakan Metode Optical Flow

Oleh: Ubaidillah Umar, Reni Soelistijorini, Haryadi Amran Darwito Jurusan Teknik Telekomunkasi – Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus PENS-ITS, Keputih, Sukolilo, Surabaya. Telp : +62+031+5947280; Fax. +62+031+5946011 u64i@student.eepis-its.edu

Post ini adalah rangkuman dari publikasi yang saya baca. Konten dari publikasi tetap merupakan milik dari penulisnya

Publikasi ini menerangkan penelitian mengenai pendeteksian pergerakan dari objek telunjuk. Metode yang digunakan untuk mengetahui objek metode color detection. Dikarenakan yang dicari adalah warna khusus maka jari diberi penanda berwarna merah agar dapat dideteksi dengan mudah.

Penulis menerangkan Optical Flow berbeda dengan Computer VisionOptical Flow dapat mengetahui pergerakan objek yang bergerak. Sedangkan Computer Vision harus melakukan proses pengolahan citra seperti segmentasi, labelisasi, filterisasi, dan deteksi objek.

Penulis menggunakan algoritma Pyramidal Lucas-Kanade. Alasannya karena dengan Algoritma Lucas-Kanade pergerakan yang besar tidak terlihat, hal itu diatasi dengan pendekatan piramida pada algoritma tersebut.

Ide dari pendeteksian objek yang dituliskan di publikasi ini adalah sebagai berikut:

  1. Deteksi objek berwarna merah. Warna merah didapat dengan mendeteksi piksel yang memiliki warna Cr >= 25 dari warna YCrCb. Angka 25 ini didapat dari percobaan paling optimal.
  2. Tentukan objek berwarna merah yang menjadi penunjuk dengan objek lainnya. Pada publikasi ini terdapat gambar bibir yang juga berwarna merah, agar diketahui mana yang merupakan objek yang harus dideteksi maka harus ditentukan objek yang mana. Pada publikasi ini ditentukan ukuran sisi-sisi dari objek harus >= 30. Nilai 30 ini didapat dari hasil percobaan paling optimal.
  3. Deteksi posisi sisi untuk gerakan. Sebagai contoh pada publikasi ini jika sisi kiri dari objek < 220 maka gerakan ke arah kiri. Kemudian ditentukan juga untuk gerakan ke arah lain.

Untuk hardware yang digunakan pada penelitian ditunjukkan menggunakan kamera yang sudah tertanam pada laptop.

Resume: DETEKSI MANUSIA MENGGUNAKAN WEBCAM PADA APLIKASI BERBASIS KECERDASAN BUATAN

Oleh: KANDA IRAWAN 10101221

knd_nfs@yahoo.com

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

Post ini adalah rangkuman dari publikasi yang saya baca. Konten dari publikasi tetap merupakan milik dari penulisnya

Publikasi ini menerangkan pendeteksian manusia dengan menggunakan webcam. Ide awal dari tulisan ini berasal mengenai kamera keamanan. Yang perlu diperhatikan oleh kamera tersebut adalah pergerakan manusia, itu artinya benda statis maupun objek lain tidak diperlukan. Namun untuk mengetahui bentuk dari manusia sangatlah sulit, maka diperlukan pendeteksian terhadap wujud dari manusia dengan kamera.

Tulisan ini memberikan batasan masalah dengan cahaya yang tetap, kamera yang tetap, dan memiliki latar belakang yang putih polos. Dengan batasan-batasan tersebut akan memudahkan pembuatan sistem yang menjadi dasar untuk mendeteksi bentuk dari manusia.

Kecerdasan buatan yang digunakan adalah penerapan JST (Jaringan Syaraf Tiruan) Backpropagation. Inputan neuron merupakan satu pixel dari inputan. Sebagai contoh pada publikasi ini disebutkan proses segmentasi adalah sebesar 62×56 piksel yang artinya ada 3472 neuron.

Untuk implementasi, penulis menggunakan Visual C++ dan pustaka OpenCV. Perancangan sistem dibuat dengan pendekatan pemrograman berorientasi objek. Pada publikasi ini dituliskan UML dari sistem.

Sistem yang dibuat pada publikasi ini belajar dengan latihan-latihan yang dilakukan sebelumnya. Penulis menunjukkan pola-pola citra yang dijadikan sebagai bahan latihan dari sistem. Setelah pelatihan sistem diuji untuk mendeteksi citra dari manusia.

Kesimpulan yang diberikan penggunaan JST pada pendeteksian manusia memberikan akurasi 40%. Walaupun kurang maksimal, penulis menjelaskan ini membuktikan JST bisa digunakan sebagai deteksi manusia. Untuk menambah akurasinya perlu dikaji ulang jumlah neuron pada JST, pelatihannya, dan mengenai proses segmentasi dari gambar yang diuji.

Resume: DETEKSI GERAKAN MANUSIA DENGAN METODA PHASE ONLY CORRELATION

Oleh:

R.B. Wahyu

Pusat Pengembangan Informatika Nuklir-BATAN,

e-mail: wahyur@batan.go.id

 

Toto Widyanto

Sekolah Teknik Elektro dan Informatika-ITB

Bandung

e-mail: totowidy@yahoo.com

Post ini adalah rangkuman dari publikasi yang saya baca. Konten dari publikasi tetap merupakan milik dari penulisnya

Publikasi ini menjelaskan pembuatan sistem kamera keamanan untuk mendeteksi gerakan. Dijelaskan terdapat penelitian tentang komputer visi mencari pergerakan dengan membandingkan 2 buah citra namun hal ini memakan memori yang banyak, ada juga yang menggunakan koefisien Fourier, namun pada penelitian di publikasi ini penulis menjelaskan yang digunakan untuk mendeteksi pergerakan adalah dengan hanya bagian fasa bukan keseluruhan amplitude.

 

Metode yang digunakan adalah POC (Phase-Only Correlation). Alasan penulis menggunakan POC dituliskan karena pada POC menggunakan informasi fasa dan bukan amplitudo sehingga baik menghadapi noise dan terhadap perubahan cahaya dan citra.

 

Pada makalah ini juga diberikan algoritma yang menjelaskan deteksi gerakan, namun dikatakan tidak mendeteksi gerakan secara sempurna dan perlu proses pengayaan gerakan citra.

 

Makalah ini menunjukkan hasil penelitian untuk mendeteksi gerakan manusia dengan berbagai macam posisi. Dituliskan pendeteksian yang dilakukan menggunakan Jaringan Saraf Tiruan. Hasil yang diberikan berupa jenis-jenis gerakan yang terjadi di depan kamera, seperti berjalan ke kanan, berjalan ke kiri, berjalan seraya membawa benda, dan sebagainya.

Resume: Pendeteksi Gerak Berbasis Kamera Menggunakan OpenCV Pada Ruangan

Oleh:
Kurniawan Dwi Irianto
Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta
Email : kdwiirianto@gmail.com

Post ini adalah rangkuman dari publikasi yang saya baca. Konten dari publikasi tetap merupakan milik dari penulisnya

Pada publikasi ini dijelaskan tentang penelitian penggunaan OpenCV untuk mendeteksi pergerakan dengan kamera digital. Deteksi gerakan ini dapat menghemat memori pada video yang disimpan untuk mengetahui gerakan saja, misalnya pada penerapan kamera keamanan.

Pada penelitian di publikasi ini disebutkan ada dua kamera yang digunakan, yakni kamera yang digunakan pada publikasi ini merupakan kamera CMOS (Complementary Metal Oxide Semi-Conductor) dan  CCD (Charged-Coupled Device). Pada penelitian juga dijelaskan penggunaan video untuk mendeteksi gerakan objek yang ada di dalamnya.

Dalam sisi pemrograman, penulis menggunakan pustaka OpenCV. OpenCV merupakan pustaka yang memudahkan komputasi citra digital. OpenCV menyediakan fungsi untuk menganalisis gambar dan pola.

Metode yang diberikan pada publikasi ini dijelaskan tentang Background Substraction dan Frame Differencing. Dijelaskan Background Substraction adalah pemisahan antara objek baru dalam kamera dengan gambar latar belakang yang sudah pernah disiapkan sebelumnya, sedangkan Frame Differencing membandingkan dengan frame yang telah ditangkap pada satuan waktu sebelumnya.